综述：LLM辅助编程常生成不安全代码，人工监督仍必要

Liang Yuan 等在 arXiv 论文 2610.15482 中发布了一项关于 LLM 辅助编程安全性的系统性文献综述，得出结论：现有模型因训练数据偏差频繁生成不安全代码和有缺陷的补丁，且模型本身易受直接攻击，人工监督仍然必不可少。 综述还指出当前评估方法存在数据污染、缺乏健壮的安全度量指标等问题。作者称，更安全的自动化整合需要安全感知的模型架构、更强的安全专项基准和更有效的人机协作框架。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。